Podstawy usługi PyTorch
Poznaj podstawy uczenia głębokiego za pomocą biblioteki PyTorch! Ta przyjazna dla początkujących ścieżka szkoleniowa wprowadzi kluczowe pojęcia dotyczące tworzenia modeli uczenia maszynowego w wielu domenach, takich jak przetwarzanie mowy, obrazów i języka naturalnego.
Wymagania wstępne
- Podstawowa wiedza na temat języka Python
- Podstawowa wiedza na temat korzystania z notesów Jupyter Notebook
- Podstawowa wiedza na temat uczenia maszynowego
Kod osiągnięć
Czy chcesz zażądać kodu osiągnięcia?
Moduły w ramach tej ścieżki szkoleniowej
Poznaj kluczowe pojęcia używane do tworzenia modeli uczenia maszynowego za pomocą narzędzia PyTorch. Wytrenujemy model sieci neuronowej, który rozpoznaje i klasyfikuje obrazy.
Poznamy różne zadania przetwarzania obrazów i skupimy się na klasyfikacji obrazów, nauczymy się, jak używać sieci neuronowych do klasyfikowania cyfr odręcznych, a także niektórych rzeczywistych obrazów, takich jak zdjęcia kotów i psów. Będziemy używać jednej z najpopularniejszych platform uczenia głębokiego, PyTorch!
W tym module zapoznamy się z różnymi architekturami sieci neuronowych do obsługi tekstów w języku naturalnym. W ostatnich latach przetwarzanie języka naturalnego (NLP) doświadczyło szybkiego wzrostu przede wszystkim ze względu na wydajność modeli językowych, aby dokładnie "zrozumieć" język ludzki szybciej podczas korzystania z nienadzorowanego szkolenia na dużych korpusach tekstu. Poznamy różne techniki NLP, takie jak używanie torby słów (BoW), osadzania wyrazów i cyklicznych sieci neuronowych do klasyfikowania tekstu z nagłówków wiadomości do jednej z 4 kategorii (World, Sports, Business i Sci-Tech).
W tym module Learn dowiesz się, jak przeprowadzić klasyfikację audio za pomocą biblioteki PyTorch. Dowiesz się więcej na temat funkcji danych audio i sposobu przekształcania sygnałów dźwiękowych w wizualną reprezentację o nazwie spectrogramy. Następnie utworzysz model przy użyciu przetwarzania obrazów na obrazach spectrogramu. To prawda, możesz przekształcić dźwięk w format obrazu, a następnie wykonać przetwarzanie obrazów, aby sklasyfikować słowo mówione!